如何在Pandas中确定使给定逻辑表达式结果为真的对应行列值

这个需求完全可以用Python和pandas实现，以下分两种常用场景给出可直接运行的代码：

纯Python实现（单组变量值计算） #

直接把变量和对应布尔值存入字典，转换表达式为Python支持的语法后计算，再筛选对应真假的变量即可：

def get_var_status(logic_expr: str, var_value: dict):
    # 转换逻辑运算符为Python原生语法
    py_logic_expr = logic_expr.replace("&&", "and").replace("||", "or")
    # 计算表达式最终结果（仅执行可信表达式，若有不可信输入建议用ast模块校验后再执行）
    expr_final_result = eval(py_logic_expr, {}, var_value)
    # 分别筛选真假值对应的变量
    true_vars = [k for k, v in var_value.items() if v]
    false_vars = [k for k, v in var_value.items() if not v]
    return {
        "表达式最终结果": expr_final_result,
        "真值对应变量": true_vars,
        "假值对应变量": false_vars
    }

# 测试用例
if __name__ == "__main__":
    test_expr = "a && b || (c && d)"
    test_var = {"a": True, "b": True, "c": False, "d": True}
    res = get_var_status(test_expr, test_var)
    print(f"真值对应变量：{'、'.join(res['真值对应变量'])}；假值对应变量：{'、'.join(res['假值对应变量'])}")

运行输出和你预期的完全一致：

真值对应变量：a、b；假值对应变量：c、d

pandas实现（批量处理DataFrame多行数据） #

如果你的数据存放在DataFrame中，需要批量计算每一行的结果和对应变量状态，可以用pandas内置的eval方法结合行遍历实现：

import pandas as pd

# 构造示例数据，每行对应一组变量值
df = pd.DataFrame({
    "a": [True, False, True],
    "b": [True, True, False],
    "c": [False, True, True],
    "d": [True, False, True]
})

# 批量计算每行的逻辑表达式结果
df["表达式结果"] = df.eval("a and b or (c and d)")
# 提取每行的真值、假值对应变量
var_cols = ["a", "b", "c", "d"]
df["真值变量"] = df.apply(lambda x: [col for col in var_cols if x[col]], axis=1)
df["假值变量"] = df.apply(lambda x: [col for col in var_cols if not x[col]], axis=1)

print(df)

注意事项 #

• 如果逻辑表达式来自不可信输入，不要直接用eval执行，建议用Python的ast模块做语法解析，校验只有允许的变量和运算符后再执行，避免代码注入风险。
• 如果变量名是动态的，可以直接从变量字典的key或者DataFrame的列名里自动提取，不需要手动写死变量列表。

内容的提问来源于stack exchange，提问作者learningtoprogram123